微软亚洲研究院提出全新大模型基础架构：推理速度 8 倍提升，内存占用减少

据量子位报道，来自微软亚洲研究院（MSRA）的学者在“Retentive Network: A Successor to Transformer for Large Language Models”论文中提出新的大模型架构 Retentive Network（RetNet），这被视作大模型领域 Transformer 的继任者。实验数据显示，在语言建模任务上：RetNet 可以达到与 Transformer 相当的困惑度（perplexity），推理速度达 8.4 倍，内存占用减少 70%，具有良好的扩展性。并且当模型大小大于一定规模时，RetNet 表现会优于 Transformer。

原文链接

—-

编译者/作者：邱祥宇

玩币族申明：玩币族作为开放的资讯翻译/分享平台，所提供的所有资讯仅代表作者个人观点，与玩币族平台立场无关，且不构成任何投资理财建议。文章版权归原作者所有。